Tu primer agente
con Claude API
en 30 minutos

import anthropic  # Cliente oficial de la API de Anthropic
import json       # Para manejar las respuestas de las herramientas

# Inicializar el cliente con la API key del entorno
client = anthropic.Anthropic()

# Definir las herramientas disponibles para el agente
tools = [
    {
        "name": "buscar_informacion",
        "description": "Busca información relevante en internet sobre un tema",
        "input_schema": {
            "type": "object",
            "properties": {
                "query": {
                    "type": "string",
                    "description": "El término o pregunta a buscar"
                }
            },
            "required": ["query"]  # El campo query es obligatorio
        }
    },
    {
        "name": "guardar_resultado",
        "description": "Guarda el resultado final en un archivo de texto",
        "input_schema": {
            "type": "object",
            "properties": {
                "contenido": {"type": "string"},
                "nombre_archivo": {"type": "string"}
            },
            "required": ["contenido", "nombre_archivo"]
        }
    }
]

def ejecutar_herramienta(nombre: str, parametros: dict) -> str:
    """Ejecuta la herramienta solicitada y retorna el resultado como string"""
    if nombre == "buscar_informacion":
        # En producción, aquí iría la llamada real a una API de búsqueda
        return f"Resultados encontrados para '{parametros['query']}': [resultado simulado]"
    elif nombre == "guardar_resultado":
        with open(parametros["nombre_archivo"], "w", encoding="utf-8") as f:
            f.write(parametros["contenido"])  # Guardar en disco
        return f"Archivo '{parametros['nombre_archivo']}' guardado correctamente"
    return "Herramienta no reconocida"

def correr_agente(tarea: str, max_iteraciones: int = 10) -> str:
    """
    Ejecuta el loop del agente hasta completar la tarea o alcanzar el límite.
    Retorna el resultado final como string.
    """
    mensajes = [{"role": "user", "content": tarea}]  # Historial de conversación

    for iteracion in range(max_iteraciones):
        print(f"[Iteración {iteracion + 1}]")

        # Llamar a la API de Claude con las herramientas disponibles
        respuesta = client.messages.create(
            model="claude-sonnet-4-6",      # Modelo a usar
            max_tokens=4096,                # Máximo de tokens en la respuesta
            tools=tools,                    # Herramientas disponibles
            messages=mensajes               # Historial de la conversación
        )

        # Verificar si Claude terminó de razonar
        if respuesta.stop_reason == "end_turn":
            texto_final = next(
                (b.text for b in respuesta.content if hasattr(b, "text")),
                "Tarea completada."
            )
            return texto_final  # Retornar respuesta final

        # Si Claude quiere usar una herramienta
        if respuesta.stop_reason == "tool_use":
            mensajes.append({"role": "assistant", "content": respuesta.content})

            resultados_herramientas = []
            for bloque in respuesta.content:
                if bloque.type == "tool_use":
                    print(f"  → Usando herramienta: {bloque.name}")
                    resultado = ejecutar_herramienta(bloque.name, bloque.input)

                    resultados_herramientas.append({
                        "type": "tool_result",
                        "tool_use_id": bloque.id,  # ID para correlacionar la respuesta
                        "content": resultado
                    })

            # Agregar resultados al historial para que Claude continúe
            mensajes.append({"role": "user", "content": resultados_herramientas})

    return "Límite de iteraciones alcanzado."  # Fallback si no termina

# Punto de entrada
if __name__ == "__main__":
    resultado = correr_agente("Investiga las mejores prácticas de prompting para Claude y guarda un resumen en resumen.txt")
    print(f"\nResultado final:\n{resultado}")